Tensorflow Seq2seq attention decode解析

tensorflow基于 Grammar as a Foreign Language实现，这篇论文给出的公式也比较清楚。

这里关注seq2seq.attention_decode函数，

• 主要输入

decoder_inputs,

initial_state,

attention_states,

   

这里能够主要参考 models/textsum的应用，textsum采用的多层双向lstm，

假设只有一层，texsum将正向 最后输出的state做为 attention_decode的输入initial_state

(不过不少论文认为用逆向最后的state可能效果更好)

对应decocer_inputs就是标注的摘要的字符序列id对应查找到的embedding序列

而attention_states是正向负向输出concatenate的全部outputs（hidden注意output和hidden是等同概念)

   

• 关于linear

首先注意到在attention_decode函数用到了一个linear这个定义在rnn_cell._linear函数

他的输入是 一个list 可能的输入是好比

[ [batch_size, lenght1], [batch_size_length2]]

对应一个list 2个数组

它的做用是内部定义一个数组 对应这个例子 [length1 + length2, output_size]

也就是起到将[batch_size, length1][batch_size, length2]的序列输入映射到 [batch_size, output_size]的输出

   

这个在attention机制最后会遇到

先看attention的公式

将encoder的hidden states表示为

(h 1 , . . . , h T A)

将decoder的hidden states表示为

(d 1 , . . . , d T B) := (h T A +1 , . . . , h T A +T B).

   

这里最后计算获得的

就是attention的结果 对应一个样本 就是长度为 atten_size的向量(就是全部attention输入向量按照第三个公式的线性叠加以后的结果)那么对应batch_size的输入 就是[batch_size, atten_size]的一个结果。

论文中提到后面会用到这个attention，

   

   

也就是说会concat attention的结果和原始hidden state的结果，那么如何使用呢，tf的作法

x = linear([inp] + attns, input_size, True)

# Run the RNN.

cell_output, state = cell(x, state)

就是说 inp是 [batch_size, input_size], attns [batch_size, attn_size] linear的输入对应 input_size

即在linear内部通过input和attns concate以后输出[batch_size, input_size]使得可以x做为输入继续进行rnn过程

   

• attention公式

  继续看attention公式 ，不要考虑batch_size就是按照一个样原本考虑

  第一个公式 对应3个举止 W1,W2都是[attn_size, atten_size]的正方形矩阵，h,d对应 [attent_size, 1]的向量

  v对应[atten_size, 1]的矩阵，

  那么就是线性叠加以后作非线性变化tanh([attn_size, 1])->[attn_size, 1]最后和v作dot获得一个数值 表示u(i,t)

  即对应第i个attention向量在decode的t时刻时候应该的权重大小，

  第二个公式表示使用softmax作归一化获得权重向量几率大小。

  第三个公式上面已经分析。

• tensorflow中attention的实现
  • 步骤1

  这里第一个问题是咱们按照batch操做因此对应处理的不是一个样本而是一批batch_size个样本。

  那么上面的操做就不能按照tf.matmul来执行了，由于[batch_size, x, y][y, 1]这样相乘是不行的

  tf的作法是使用1by1 convolution来完成，主要利用1by1 + num_channels + num_filters

  关于conv2d的使用特别是配合1by1，num_channels, num_filters 这里解释的很是清楚

  http://stackoverflow.com/questions/34619177/what-does-tf-nn-conv2d-do-in-tensorflow

     

  # To calculate W1 * h_t we use a 1-by-1 convolution, need to reshape before.

  hidden = array_ops.reshape(

  attention_states, [-1, attn_length, 1, attn_size])

  hidden_features = []

  v = []

  attention_vec_size = attn_size # Size of query vectors for attention.

  for a in xrange(num_heads):

  k = variable_scope.get_variable("AttnW_%d" % a,

  [1, 1, attn_size, attention_vec_size])

  hidden_features.append(nn_ops.conv2d(hidden, k, [1, 1, 1, 1], "SAME"))

  v.append(

  variable_scope.get_variable("AttnV_%d" % a, [attention_vec_size]))

     

     

atention_vec_szie == attn_size

   

attn_size 对应 num_channels (num_channels个位置相乘加和 dot)

attention_vec_size 对应 num_filters

恰好这个conv2d的对应就是batch_size版本的attention的第一个公式里面的 W1 * h_t

Conv2d输出[batch_size, atten_length, 1, attention_vec_size]

• def attention(query)的分析

attention(query)的输入是rnn上一步输出的state

输出 attns = attention(state)对应 [batch_size, attn_size]的矩阵

对应当前步骤须要用到的attention

   

def attention(query):

"""Put attention masks on hidden using hidden_features and query."""

ds = [] # Results of attention reads will be stored here.

if nest.is_sequence(query): # If the query is a tuple, flatten it.

query_list = nest.flatten(query)

for q in query_list: # Check that ndims == 2 if specified.

ndims = q.get_shape().ndims

if ndims:

assert ndims == 2

query = array_ops.concat(1, query_list)

for a in xrange(num_heads):

with variable_scope.variable_scope("Attention_%d" % a):

y = linear(query, attention_vec_size, True)

y = array_ops.reshape(y, [-1, 1, 1, attention_vec_size])

# Attention mask is a softmax of v^T * tanh(...).

s = math_ops.reduce_sum(

v[a] * math_ops.tanh(hidden_features[a] + y), [2, 3])

a = nn_ops.softmax(s)

# Now calculate the attention-weighted vector d.

d = math_ops.reduce_sum(

array_ops.reshape(a, [-1, attn_length, 1, 1]) * hidden,

[1, 2])

ds.append(array_ops.reshape(d, [-1, attn_size]))

return ds

   

首先目前默认都是用state_is_tuple=True选项(这样效率更高,后面state_is_tupe=False将会depreciated)

前面已经说过tf实现的state对应两个(cell_state, hidden_state)

因此这里nest_issequence是True 对应最后处理后query 就是 [batch_size, 2 * input_size]

   

y = linear(query, attention_vec_size, True)

y = array_ops.reshape(y, [-1, 1, 1, attention_vec_size])

对应W2dt的计算

hidden_features[a] + y 则注意是 W2dt累加到 全部的hi(attn_length个)

   

a对应[batdh_size, attn_length]

Reshape[batch_size, atten_length, 1, 1]

Hidden [batch_size, atten_length, 1, atten_size]

   

最终返回 [batch_size, attn_size]